henry 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

機器人打乒乓球，這（zhei）您受得了嗎？

關(guān)鍵玩的還都是高難度：并步接球！

0.42秒極限反應(yīng)回擊扣球！

最高還能對拉106拍！

打不過，反正我是打不過。

這位乒乓球場上的機器人高手，出自清華姚班本科生蘇智（師從吳翼教授）的最新論文——《HITTER: A HumanoId Table TEnnis Robot via Hierarchical Planning and Learning》。

在這篇論文中，研究者們提出了一套結(jié)合模型規(guī)劃與強化學(xué)習的分層框架，實現(xiàn)了人形機器人在亞秒級（sub-second）反應(yīng)下的穩(wěn)定連續(xù)對打。

這是怎么做到的？

基于規(guī)劃與控制的分層框架

總的來說，為了教機器人打乒乓球，研究團隊提出了一個將高層規(guī)劃與低層控制分開處理的框架。

其中，在高層規(guī)劃中，基于模型的規(guī)劃器（model-based planner）能夠?qū)Ш角虻能壽E，并預(yù)測擊球位置、速度和時機。

在低層框架中，基于強化學(xué)習（RL）的全身控制器，能夠根據(jù)規(guī)劃器的預(yù)測，生成協(xié)調(diào)的手臂和腿部動作來執(zhí)行與人類相似的打擊動作。

具體來說，研究團隊直接將宇樹G1的手掌變成了乒乓球拍，并讓它站在一張標準尺寸的乒乓球臺上進行訓(xùn)練。

在感知方面，研究采用了九個OptiTrack攝像頭（運行頻率為360 Hz）來追蹤球的位置，這達到了毫米級的精度。

在規(guī)劃方面，基于模型的規(guī)劃器在每個時間步接收球的位置數(shù)據(jù)，并預(yù)測球拍的擊球位置、速度和時機。

這些預(yù)測被交付給全身控制器，以生成宇樹G1所需的擊球時機和球拍速度。

之后，機器人根據(jù)強化學(xué)習不斷調(diào)整擊球策略，提高運動表現(xiàn)。

此外，為了鼓勵機器人做出類似人類的揮拍動作，研究人員還在策略訓(xùn)練中加入了人類動作參考（正手和反手）。

通過人類動作參考進行訓(xùn)練，機器人產(chǎn)生了與人類動作非常相似的擊球行為：例如下圖中機器人擊球時的腰部旋轉(zhuǎn)。

在真實世界的實驗中，團隊向機器人投擲了26個球，機器人成功回球24次，擊中后未回球1次，完全失球1次，達到了96.2%的擊球率和92.3%的回球率。

而且，就像我們開頭提到的，G1在與人類對手對打時，實現(xiàn)了多達106次的連續(xù)擊球，這一連拍遠遠超過了休閑人類玩家的水平。

此外，G1還表現(xiàn)出了回擊扣球的能力。

最后，值得一提的是，除了與人類進行對戰(zhàn)，機器人也可以在完全自主的匹配環(huán)境中持續(xù)進行對戰(zhàn)。

為什么是乒乓球？

在前段時間的機器人運動會上，我們已經(jīng)看到了不少機器人參與的運動項目(如跑步、拳擊、足球等）。

不過，這些運動往往留給機器人較長的調(diào)整與反應(yīng)時間。

而在現(xiàn)實生活中，機器人常常需要在動態(tài)環(huán)境下與快速移動的物體交互，這種交互從根本上講更難：

因為它們不僅需要各個關(guān)節(jié)的協(xié)調(diào)控制，還需要在極限時間測量內(nèi)運行的精密感知-行動閉環(huán)，而乒乓球正是此類交互的絕佳例子。

相對于網(wǎng)球或羽毛球等運動，乒乓球的距離更短、攻防轉(zhuǎn)換更快、反應(yīng)時間窗口更?。ㄇ蛩俪^5米/秒）。

這就意味著機器人系統(tǒng)必須在瞬間內(nèi)完成感知、預(yù)測、規(guī)劃和擊球以及與移動或靜態(tài)的不同操作。

更難的是，成功的擊球需要敏捷的全身運動，包括快速擺動手臂、轉(zhuǎn)動腰部、快速墊步和恢復(fù)平衡，以確保準確擊球并為下一次打做好準備。

所以，打乒乓球，對人形機器人來說，還真不是一件容易的事。

已經(jīng)開始期待下一次的機器人運動會了！

[1]https://arxiv.org/pdf/2508.21043

[2]https://humanoid-table-tennis.github.io